[发明专利]员工离职风险预测方法、装置、设备及可读存储介质

权利要求书

1.一种员工离职风险预测方法，其特征在于，包括：

构建企业员工信息数据库；

根据企业员工信息数据库构建企业在职员工画像系统；

根据企业员工信息数据库构建企业离职员工画像系统；

构建招聘信息系统；

根据企业在职员工画像系统、企业离职员工画像系统和招聘信息系统训练员工离职风险预测模型，得到员工离职概率。

2.根据权利要求1所述的员工离职风险预测方法，其特征在于所述的根据企业员工信息数据库构建企业在职员工画像系统包括：根据在职员工薪资数据和/或在职员工在职时间数据和/或在职员工晋升数据和/或在职员工降级数据和/或在职员工奖惩数据和/或在职员工家庭信息数据，构建企业在职员工画像系统。

3.根据权利要求1所述的员工离职风险预测方法，其特征在于所述的根据企业员工信息数据库构建企业离职员工画像系统包括：根据离职员工离职原因数据和/或离职员工薪资数据和/或离职员工家庭信息数据，构建企业离职员工画像系统。

4.根据权利要求1所述的员工离职风险预测方法，其特征在于所述的构建招聘信息系统包括：定期获取招聘网络或相关企业官网上的招聘信息，通过对结构化和非结构化招聘信息进行整理增量入库，对文本非结构化招聘信息通过关键词匹配方法抽取招聘信息入库方式，构建招聘信息系统。

5.根据权利要求1所述的员工离职风险预测方法，其特征在于所述的根据企业在职员工画像系统、企业离职员工画像系统和招聘信息系统训练员工离职风险预测模型，得到员工离职概率包括：

形成训练特征向量，包括在职员工画像系统特征向量、离职员工画像系统特征向量以及招聘信息系统特征向量；

形成训练数据标签，包括离职员工特征向量标签和在职员工特征向量标签；

将所述训练特征向量和训练数据标签输入深度神经网络进行训练，所述深度神经网络最后一层为sigmoid层，输出结果为员工离职概率。

6.根据权利要求5所述的员工离职风险预测方法，其特征在于还包括：为深度神经网络隐藏层添加dropout处理，使用bernoulli函数按照丢弃概率生成丢弃节点的位置信息步骤。

7.根据权利要求1所述的员工离职风险预测方法，其特征在于还包括：对所述企业员工信息数据库和/或招聘信息系统进行数据更新。

8.一种员工离职风险预测装置，其特征在于，包括：

企业员工信息系统生成模块，用于构建企业员工信息数据库；

企业在职员工画像系统生成模块，用于根据企业员工信息数据库构建企业在职员工画像系统；

企业离职员工画像系统生成模块，用于根据企业员工信息数据库构建企业离职员工画像系统；

招聘信息系统生成模块，用于构建招聘信息系统；

员工离职风险预测模型训练模块，用于根据企业在职员工画像系统、企业离职员工画像系统和招聘信息系统训练员工离职风险预测模型，得到员工离职概率。

9.一种员工离职风险预测设备，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如权利要求1至7任意一项所述员工离职风险预测方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，实现如权利要求1至7任意一项所述员工离职风险预测方法的步骤。